浅谈数据洞察

数据洞察是什么

最近有一个词谈的非常多：“数据洞察”，在大数据时代，数据是业务增长的基础，就像石油一样，如果不掌握核心数据，就缺少了核心的资源。但掌握了核心数据，不掌握提炼数据的能力，就像石油无法精炼，即便坐拥丰厚的资源，同样无法构筑商业壁垒。况且，资源总有耗尽的一天，而数据总有失去价值的时刻。

因此，数据洞察被提了出来，希望通过这种方式，来实现对数据的“精加工”。

从数据中提取价值，首先就要搞清楚数据分析与数据洞察的区别。其实，在日常的工作中，绝大多数人与数据打交道的方式，就是通过分析产生的。数据是没有经过处理的信息，在大数据至热的年代里，有了数据还远远不够，我们还要懂得如何让数据告诉我们信息，懂得如何从信息中心总结出知识。数据分析是从这些信息中心发现特定的规律与趋势，并整理成报告或者报表。而数据洞察，则是在数据分析的基础上，提炼出有价值的内容，比如运营决策、机会预测、异动原因等。

很多人会认为我产出了分析报告或者报表就可以了，但这就好像是以为自己看了几个报表，就可以指点商业的江山。我们切不可把要面对的世界简单化。数据洞察承认了商业的复杂性，并通过一些已知的方式，来诊断复杂性产生的前因、现状与后果。

用更直白的话讲，数据洞察是一种“套路”，更是一种“思维方式”。

浅谈数据洞察

数据洞察的基本套路

数据洞察一般来讲，套路上有四个基本的部分，分别是：描述、诊断、预测与决策。

描述：描述的意义，在于客观反映业务的现状。数据洞察并不会放弃基本的报表统计，相反会积极补全缺失的统计维度。业务要看自己如何发展的好不好，首先就要看这些描述性的统计数据。如果业务是一个漏洞模型，那么漏斗上的每个节点都要体现在我们的描述数据里，并且能够从汇总性的指标一路下钻，直到看清楚最明细的数据。
诊断：描述性的数据不会是一条直线，而是会有非常多异常的点，比如今天收入突然下降了10%，那么是因为遇到了节假日？还是广告主投放计划变化？甚至是数据算错了？这时候需要一些更深入的统计，例如单指标多维度拆解，或者是多指标相关贡献度拆解，让分析师或者运营，快速发现因为哪些指标异常，引起了业务指标波动；
预测：基于历史趋势的变化，算法同学是能够预测未来某个时间点，发生某件事情的概率。例如预测双十一那天某件单品的销量。这样运营同学就能够有针对性的进行资源倾斜的分配，提升业务效率；
决策：通常情况下业务作出一个决策，是需要经过线下的沟通，那么数据同学如果能跳出技术的范畴，主动与业务同学合作，在某些特定的场景下，将决策选择数据化，那么数据的预测结果就可以直接决定某些决策，对于运营效率及结果准确性的提升，效果非常显著。

浅谈数据洞察

团队如何实现数据洞察目标

尽管数据洞察的能力是每个数据团队追求的目标，但事情的发展不会是一帆风顺，总会有风风雨雨，那么我们应该在不同的阶段，应该聚焦于团队的建设能力呢？

第一个阶段，是完善自助分析工具。例如数据的产出时间，是T-1能够产出，还是H-1能够产出，甚至是实时就可以产出。当数据产出后，业务方有什么手段，能够自己去搭建分析报表。当有了搭建报表的工具，我们有什么方法，能够保证大家产出的数据是一致的，我们有没有成熟的指标体系给到业务方。分析工具能力是一个数据团队的内功，建设周期很长，但它很有用。

第二个阶段，是引入算法分析能力。但这个能力并不是招几个算法同学就完事了，或者是自己产出一些结果就可以了。算法分析，首先要有明确的业务场景，有了场景才有可能将预测的结果应用落地。这个阶段，很多团队往往会遇到一个需求，就做一个需求，而缺少通用能力的沉淀。什么是通用能力的沉淀，就是能够将一些成熟的分析方法，通过工业化的方式落地，例如如何降低A/B Test的使用门槛，如何批量给一个用户打标签，业务结果有没有反正的反馈链路，等等。

第三个阶段，是构建数据洞察中台。中台并不是指把所有数据都集合到一起完事了。而是基于长期的业务分析经验，能够将通用场景做成模块化的方式，将过往的有效解决方案关联到这些模块上，提供自定义配置的能力，供业务方选择。这个阶段，中台的能力往往不是具象的，而是抽象的。有了抽象的能力，一些新的业务想要接入的时候，只需要将抽象的概念打平，就能够迅速借鉴已有的能力，复制出新的应用场景，实现业务的倍增。

浅谈数据洞察